12月10日,曙光节能启动“液冷爆发”倒计时,并表示距象征“液冷”技术在数据中心行业全面爆发,取代“风冷”成为主流冷却设备的“零点”仅剩“10分钟”。曙光表示,2019年曙光率先在世界范围内,实现首次刀片式浸没相变液冷技术的大规模部署,早在2015年,曙光已实现国内首个冷板液冷大规模应用,截至目前累计部署的液冷服务器已达数万台,技术上液冷已有足够积累取代风冷。
12月10日,在北京中科曙光大厦展览厅,曙光节能总经理何继盛将“数据中心液冷‘爆发’倒计时钟”的时间拨到了11点50分,这距象征液冷在数据中心行业全面爆发的“零时”仅有10分钟。
曙光方面表示,虽然从全国范围来看,风冷目前仍是在运行数据中心普遍采用的冷却技术,但随着2019年曙光实现首个刀片式浸没相变液冷技术的大规模部署,以及伴随行业与政策的需求,液冷成为行业主流冷却技术的爆发时间已非常接近。
“如果从1960年代液冷技术首次在数据中心上应用,一直到液冷取代风冷成主流冷却技术的过程视为12个小时。我们距‘零时’——液冷在行业‘爆发’的时间很近,液冷取代风冷成主流有望3至5年内实现。”曙光节能总经理何继盛说。
据了解,早在2012年曙光便立项,探究降低数据中心能耗与提升计算密度的核心技术——“液冷”,并于2015年推出国内首款标准化量产的冷板式液冷服务器,当年为研究大气圈、生物圈等圈层间联系的地球系统数值模拟装置原型机,提供了“冷板液冷”技术,实现了液冷在国内的首次大规模部署。
2019年4月,随着曙光在全球范围内首次实现“刀片式浸没相变液冷”的大规模部署,液冷技术已进入“新纪元”。截至目前,曙光拥有的“液冷”核心专利超40项,部署的液冷服务器已达数万台。
随着IT产业高速发展以及5G、大数据时代到来,数据中心功率与计算密度正不断飞升,由此带来的能耗与环保问题正引起广泛关注,以节能、智能化、高密度等为特征的“绿色计算”正成为数据中心行业建设潮流。
2017年,中国数据中心总耗电量达到1200-1300亿千瓦时,这个数字超过三峡大坝(2017年全年发电量为976.05亿千瓦时)和葛洲坝电厂发电量(2017年葛洲坝电厂发电量190.5亿千瓦时)之和。据IDC预测,到2020年中国数据中心耗电量为2962亿千瓦时,2025年高达3842.2亿千瓦时。
为限制并引导在建“数据中心”降低能耗,从2018年至今,北京、上海、深圳等多地出台了“数据中心建设”指导意见、准则,而“液冷”也成为数据中心行业节能技术的关注焦点。
据IDC发布的《2019中国企业绿色计算与可持续发展研究报告》显示,在调查的超过200家大型企业中,超过50%的企业已大规模部署并使用模块化数据中心、液体冷却等“绿色计算”技术。
据了解,以“风冷”技术为代表的传统数据中心,超过一半耗能用在了冷却计算设备上,PUE(评价能源效率指标)值普遍在1.4以上,且单柜功率密度最高只能到30Kw左右。而采用“液冷”技术的数据中心,则可大幅降低冷却能耗并提高计算设备性能和稳定性。
以采用“刀片式浸没相变液冷”技术的曙光新一代计算机“硅立方”为例,其PUE降至1.04(全球数据中心PUE平均值为1.58),相比风冷数据中心能效比提升超30%,CPU等核心芯片部件性能可提升20%,单机柜功率密度达160Kw,计算设备可靠性至少提升一个数量级。
曙光方面表示,液冷技术是数据中心突破节能瓶颈的“最佳捷径”,曙光多年来致力于绿色计算带来的“计算变革”,曙光节能基础设施更是将这股“绿色风暴”落地成型,将数据中心PUE提升至世界前沿水平。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。